Urapporterede narkotika bivirkninger fundet i web search data


Urapporterede narkotika bivirkninger fundet i web search data

Brugeradfærd på internettet bliver i stigende grad anerkendt som en værdifuld kilde til sundhedsinformation. Nu har et hold fra Stanford University School of Medicine og Microsoft Research vist, hvordan minedirektive sømme af data fra brugernes søghistorik giver vigtige oplysninger om de urapporterede bivirkninger af stoffer.

De rapporterer deres resultater i 6 marts online udgave af Journal of the American Medical Informatics Association .

Medforfatter Russ Altman er professor i bioteknologi, genetik og medicin i Stanford. Han siger i en erklæring:

"Søger sundhed information er en vigtig brug af internettet nu. Så vi troede, at folk sandsynligvis indtaster stoffer, de tager, og de bivirkninger, de oplever, og at der må være en måde for os at bruge disse data."

Behov for at øge narkotikasikkerhedsovervågningen

Forfatterne bemærker i deres studie baggrund, at dårlige bivirkninger forårsager et højt niveau af sygdom og dødsfald, og opdages ofte kun efter et lægemiddel kommer på markedet.

Så der er et presserende behov for at finde hurtige og præcise måder at opdage, om stoffer enten alene eller i kombination har uventede bivirkninger.

I USA kører Food and Drug Administration et system kaldet Adverse Event Reporting System (AERS), hvor læger kan rapportere bivirkninger. Men ordningen er frivillig og fanger ikke nødvendigvis alle tilfælde hvor patienter eller læger oplever en usædvanlig bivirkning.

Mining Internet Search Histories Allerede Yielding resultater i medicin

Miningssøghistorier for internetbrugere har allerede vist sig at være en nøjagtig måde at spore influenzaudbrud på. I 2008 lancerede Google et værktøj kaldet Flu Trends, der estimerer niveauet af influenza i hver stat i USA i næsten realtid ved at holde styr på visse Google-søgeforespørgsler.

Et papir udgivet i 2010 viste at kigge på placeringen og hyppigheden af ​​internet-søgninger relateret til influenza, og dens symptomer fulgte spredningen af ​​influenza i USA så præcist som hospital-tracking-metoden anvendt af centrene for sygdomsbekæmpelse og forebyggelse.

Og i 2012 tog to forskere dette et skridt videre, da de afslørede en ny influenzeprognosemodel ved hjælp af Googles influenzetendenser, der forudser regionale toppe i influenzaudbrud mere end 7 uger frem.

Inspireret af eksempler som disse, var Altman og kolleger interesseret i at finde ud af, om minedannelsessøgningsdata kunne registrere lægemiddelinteraktioner.

Altmans laboratorium havde allerede udviklet nogle automatiserede værktøjer til at minde FDA-rapporter for lægemiddelinteraktioner.

Study Mines Data fra 82 millioner internet søgninger om narkotika-interaktion

Så med hjælp fra Microsoft-teamet tilpassede de værktøjerne til at analysere 12 måneders søgehistorie i 2010 fra 6 millioner internetbrugere. Brugerne havde givet deres samtykke til at dele logfiler af deres websøgninger anonymt for forskning via en browser plug-in.

Det samlede antal undersøgelser af lægemidler, symptomer og lidelser kom til 82 millioner.

Forskerne besluttede at minde denne store datapool for søgninger om en bivirkning, der opstår, når to lægemidler, paroxetin og pravastatin tages sammen, som ikke vidste om i 2010.

Paroxetin er en antidepressiv medicin, og pravastatin er et kolesterolsænkende lægemiddel.

Bivirkningen er, at risikoen for at udvikle hyperglykæmi (højt indhold af blodsukker) er højere end at tage begge lægemidler end at tage dem begge alene.

Holdet brugte de forbedrede mining-værktøjer til at identificere søgninger efter oplysninger om enten eller begge lægemidler, og at finde ud af sandsynligheden for, at brugerne gør disse søgninger også ville søge efter hyperglykæmi, eller sætninger, som internetbrugere kan bruge til at beskrive sine symptomer.

Vigtigt at overveje ikke-medicinske måder at beskrive symptomer på

Altman siger: "Vi har virkelig måttet tage hensyn til denne vanskelighed ved at forudsige folks sprog", som er, hvordan de kom op med næsten 80 vilkår for symptomer eller deskriptorer for hyperglykæmi, for eksempel "højt blodsukker", "dehydrering", "sløret Vision "eller" hyppig vandladning ".

"Vi kunne savne ting, fordi offentligheden ved egen fejl ikke kender medicinsk jargon," forklarer Altman.

Resultaterne viste, at blandt internetbrugere, der søgte efter paroxetin eller dets varemærker (fx Paxil) i 2010, søgte omkring 5% også en af ​​de 80 betingelser, der blev beskrevet for hyperglykæmirelaterede symptomer. For pravastatin og dets mærker (fx Pravachol, Selektine) var dette tal under 4%.

Men for internetbrugere, der søgte efter begge stoffer, og også søgte efter hyperglykæmirelaterede symptomer eller beskrivere, var satsen meget højere, med 10%.

For at dobbelte kontrol af nøjagtigheden af ​​deres minedriftværktøjer gjorde forskerne en anden analyse, hvor de søgte efter 31 lægemiddelkombinationer, der allerede var kendt for at forårsage hyperglykæmi og 31 vides at være sikre.

Den nye analyse viste, at lægemiddelkombinationerne med kendte interaktioner, som resultaterne af minoxanalyse af paroxetin-pravastatin, gav en højere grad af brugere, der søgte efter hyperglykæmirelaterede symptomer.

Høj grad af falske positive kan være en ulempe

Men forskerne fandt også, at omkring 12% af internetbrugere, der søger efter lægemiddelinteraktioner, der vides at have ingen bivirkninger, viste også en usædvanlig høj grad af søgninger efter hyperglykæmirelaterede symptomer. Disse "falske positive" ville have ført til, at ingen steder havde besluttet at følge dem op.

Ikke desto mindre tror forskerne på trods af de falske positive, at de lytter til "signaler fra mængden" eller forfølger "pharmacovigilance" på nettet, som kan give præcise resultater.

De skal bare udarbejde, hvor nyttigt denne minedrift kan være i løbende overvågning af bivirkninger.

Mining flere datakilder kan overvinde ulemper ved at arbejde med "rodet" data

Det kan være muligt at reducere antallet af falske positive ved at kombinere internetsøgningsdataene med andre kilder, såsom sociale netværksmedier, lægeplader og patientstøttefora.

Tilsæt FDA AERS og dataform sundhedspersonale, der arbejder med medicinske forskningsprogrammer, og der er potentiale for at levere pålidelige lister over interaktioner mellem lægemidler og lægemidler til at undersøge yderligere i kliniske forsøg.

Medforfatter Nigam Shah, assistent professor i medicin i Stanford, og hans team ser allerede på, hvordan man kan minde for lægemiddelinteraktioner i anonyme elektroniske journaler.

"Hvis vi krydser reference flere datakilder, så kan vi triangulere baseret på, hvad læger og patienter er både bekymrede over" Siger shah

Shah indrømmer, at data fra internetsøgninger altid vil være "rodet". Det opstår af så mange forskellige grunde: Brugere kan søge efter symptomer, fordi de tager stofferne, eller en anden tager dem. Og når der er højt profileret mediedækning af et bestemt stof eller symptom, så vil der være for mange søgninger på dem, der opblæsning af resultaterne.

Men Shah siger, at du kan arbejde med rodet data, hvis du har nok af det, hvilket er tilfældet, når millioner af søgninger er tilgængelige. Derefter kan resultaterne informere vejledning til videre undersøgelse.

Altman mener, at patienter siger meget om stoffer, og "Vi skal finde ud af måder at lytte til" .

Mining internet søgninger er "bare en måde at lytte og en ansøgning", tilføjer han.

Midler fra National Institutes of Health hjalp med at betale for studiet.

Cannabis Killed My Terminal Stage IV Lung Cancer forever grateful (Video Medicinsk Og Professionel 2024).

Afsnit Spørgsmål På Medicin: Kvinder sundhed